MétaCan
Menu
Retour à la cohorte
Enregistrement W2936156709 · doi:10.5539/jas.v11n5p426

Influence of Feeding Temperature of Biofuels on Agricultural Engine Performance

2019· article· en· W2936156709 sur OpenAlexvenueno aff
Jonas Gralick, Flávio Gurgacz, Deonir Secco, Samuel Nelson Melegari de Souza, Paulo Henrique Paiva, Felipe Fernandes Klajn

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiodiesel Production and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiodieselDiesel fuelBiofuelThrust specific fuel consumptionPulp and paper industryDiesel engineMaterials scienceRenewable energyEnvironmental scienceWaste managementThermodynamicsChemistryOrganic chemistryPhysicsCatalysisEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The search for alternative energy sources to reduce the use of diesel in the national energy matrix has been studied in a gradual way, with partial insertions of biodiesel to diesel. Parameters such as viscosity change when biodiesel is added to diesel, as this factor directly influences the atomization of the fuel. This paper aimed to evaluate the behavior of renewable biofuels in a 61 hp agricultural engine, by means of dynamometric tests, operating with mixtures of type A diesel S500 and biodiesel, including an analysis of pure diesel (0% biodiesel) and diesel blend with 20% biodiesel, heated with a system before the injection pump, at temperatures of 45 °C, 65 °C, and 85 °C. The highest values were maximum torque of 208.7 N m, maximum power of 55.3 KW, and specific consumption of 236.9 g KW h-1 at 45 °C. The viscosities of the mixtures were also determined using the 40 °C test temperature, as suggested by ASTM D 445, followed by the ANP, as well as temperatures studied, and the cSt values of the blends at 65 °C and 85 °C were below the minimum limit established by ANP.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetBiodiesel Production and ApplicationsTravaux en français237 207